Mojibake

programaçãodesenvolvimento webSuporte de TI

Texto embaralhado que surge quando bytes escritos num charset são lidos em outro: café aparece como café, don’t como don’t.

Quase nunca é aleatório. Cada par de charsets embaralha de um jeito reconhecível: UTF-8 lido como windows-1252 enche o texto de à e â€, uma página de código do DOS mostra caracteres de desenho de caixas, EBCDIC lido como Latin-1 transforma cada espaço em @. Como a leitura errada normalmente preserva todos os bytes, o estrago muitas vezes pode ser desfeito codificando o texto de volta com o charset que o leu errado e decodificando com o certo; um byte que virou ? ou foi descartado está perdido para sempre.

Também conhecido como: garbled text, charset garbage

← Todos os verbetes do glossário